/*
bdiff.c - efficient binary diff extension for Mercurial

Copyright 2005, 2006 Matt Mackall <[email protected]>

This software may be used and distributed according to the terms of
the GNU General Public License, incorporated herein by reference.

Based roughly on Python difflib
*/

#include <Python.h>
#include <stdlib.h>
#include <string.h>
#include <limits.h>

#if defined __hpux || defined __SUNPRO_C || defined _AIX
# define inline
#endif

#ifdef __linux
# define inline __inline
#endif

#ifdef _WIN32
#ifdef _MSC_VER
#define inline __inline
typedef unsigned long uint32_t;
#else
#include <stdint.h>
#endif
static uint32_t htonl(uint32_t x)
{
       return ((x & 0x000000ffUL) << 24) |
               ((x & 0x0000ff00UL) <<  8) |
               ((x & 0x00ff0000UL) >>  8) |
               ((x & 0xff000000UL) >> 24);
}
#else
#include <sys/types.h>
#if defined __BEOS__ && !defined __HAIKU__
#include <ByteOrder.h>
#else
#include <arpa/inet.h>
#endif
#include <inttypes.h>
#endif

struct line {
       int h, len, n, e;
       const char *l;
};

struct pos {
       int pos, len;
};

struct hunk {
       int a1, a2, b1, b2;
};

struct hunklist {
       struct hunk *base, *head;
};

int splitlines(const char *a, int len, struct line **lr)
{
       int h, i;
       const char *p, *b = a;
       const char * const plast = a + len - 1;
       struct line *l;

       /* count the lines */
       i = 1; /* extra line for sentinel */
       for (p = a; p < a + len; p++)
               if (*p == '\n' || p == plast)
                       i++;

       *lr = l = (struct line *)malloc(sizeof(struct line) * i);
       if (!l)
               return -1;

       /* build the line array and calculate hashes */
       h = 0;
       for (p = a; p < a + len; p++) {
               /* Leonid Yuriev's hash */
               h = (h * 1664525) + *p + 1013904223;

               if (*p == '\n' || p == plast) {
                       l->h = h;
                       h = 0;
                       l->len = p - b + 1;
                       l->l = b;
                       l->n = INT_MAX;
                       l++;
                       b = p + 1;
               }
       }

       /* set up a sentinel */
       l->h = l->len = 0;
       l->l = a + len;
       return i - 1;
}

int inline cmp(struct line *a, struct line *b)
{
       return a->h != b->h || a->len != b->len || memcmp(a->l, b->l, a->len);
}

static int equatelines(struct line *a, int an, struct line *b, int bn)
{
       int i, j, buckets = 1, t, scale;
       struct pos *h = NULL;

       /* build a hash table of the next highest power of 2 */
       while (buckets < bn + 1)
               buckets *= 2;

       /* try to allocate a large hash table to avoid collisions */
       for (scale = 4; scale; scale /= 2) {
               h = (struct pos *)malloc(scale * buckets * sizeof(struct pos));
               if (h)
                       break;
       }

       if (!h)
               return 0;

       buckets = buckets * scale - 1;

       /* clear the hash table */
       for (i = 0; i <= buckets; i++) {
               h[i].pos = INT_MAX;
               h[i].len = 0;
       }

       /* add lines to the hash table chains */
       for (i = bn - 1; i >= 0; i--) {
               /* find the equivalence class */
               for (j = b[i].h & buckets; h[j].pos != INT_MAX;
                    j = (j + 1) & buckets)
                       if (!cmp(b + i, b + h[j].pos))
                               break;

               /* add to the head of the equivalence class */
               b[i].n = h[j].pos;
               b[i].e = j;
               h[j].pos = i;
               h[j].len++; /* keep track of popularity */
       }

       /* compute popularity threshold */
       t = (bn >= 4000) ? bn / 1000 : bn + 1;

       /* match items in a to their equivalence class in b */
       for (i = 0; i < an; i++) {
               /* find the equivalence class */
               for (j = a[i].h & buckets; h[j].pos != INT_MAX;
                    j = (j + 1) & buckets)
                       if (!cmp(a + i, b + h[j].pos))
                               break;

               a[i].e = j; /* use equivalence class for quick compare */
               if (h[j].len <= t)
                       a[i].n = h[j].pos; /* point to head of match list */
               else
                       a[i].n = INT_MAX; /* too popular */
       }

       /* discard hash tables */
       free(h);
       return 1;
}

static int longest_match(struct line *a, struct line *b, struct pos *pos,
                        int a1, int a2, int b1, int b2, int *omi, int *omj)
{
       int mi = a1, mj = b1, mk = 0, mb = 0, i, j, k;

       for (i = a1; i < a2; i++) {
               /* skip things before the current block */
               for (j = a[i].n; j < b1; j = b[j].n)
                       ;

               /* loop through all lines match a[i] in b */
               for (; j < b2; j = b[j].n) {
                       /* does this extend an earlier match? */
                       if (i > a1 && j > b1 && pos[j - 1].pos == i - 1)
                               k = pos[j - 1].len + 1;
                       else
                               k = 1;
                       pos[j].pos = i;
                       pos[j].len = k;

                       /* best match so far? */
                       if (k > mk) {
                               mi = i;
                               mj = j;
                               mk = k;
                       }
               }
       }

       if (mk) {
               mi = mi - mk + 1;
               mj = mj - mk + 1;
       }

       /* expand match to include neighboring popular lines */
       while (mi - mb > a1 && mj - mb > b1 &&
              a[mi - mb - 1].e == b[mj - mb - 1].e)
               mb++;
       while (mi + mk < a2 && mj + mk < b2 &&
              a[mi + mk].e == b[mj + mk].e)
               mk++;

       *omi = mi - mb;
       *omj = mj - mb;

       return mk + mb;
}

static void recurse(struct line *a, struct line *b, struct pos *pos,
                   int a1, int a2, int b1, int b2, struct hunklist *l)
{
       int i, j, k;

       /* find the longest match in this chunk */
       k = longest_match(a, b, pos, a1, a2, b1, b2, &i, &j);
       if (!k)
               return;

       /* and recurse on the remaining chunks on either side */
       recurse(a, b, pos, a1, i, b1, j, l);
       l->head->a1 = i;
       l->head->a2 = i + k;
       l->head->b1 = j;
       l->head->b2 = j + k;
       l->head++;
       recurse(a, b, pos, i + k, a2, j + k, b2, l);
}

static struct hunklist diff(struct line *a, int an, struct line *b, int bn)
{
       struct hunklist l;
       struct hunk *curr;
       struct pos *pos;
       int t;

       /* allocate and fill arrays */
       t = equatelines(a, an, b, bn);
       pos = (struct pos *)calloc(bn ? bn : 1, sizeof(struct pos));
       /* we can't have more matches than lines in the shorter file */
       l.head = l.base = (struct hunk *)malloc(sizeof(struct hunk) *
                                               ((an<bn ? an:bn) + 1));

       if (pos && l.base && t) {
               /* generate the matching block list */
               recurse(a, b, pos, 0, an, 0, bn, &l);
               l.head->a1 = l.head->a2 = an;
               l.head->b1 = l.head->b2 = bn;
               l.head++;
       }

       free(pos);

       /* normalize the hunk list, try to push each hunk towards the end */
       for (curr = l.base; curr != l.head; curr++) {
               struct hunk *next = curr+1;
               int shift = 0;

               if (next == l.head)
                       break;

               if (curr->a2 == next->a1)
                       while (curr->a2+shift < an && curr->b2+shift < bn
                              && !cmp(a+curr->a2+shift, b+curr->b2+shift))
                               shift++;
               else if (curr->b2 == next->b1)
                       while (curr->b2+shift < bn && curr->a2+shift < an
                              && !cmp(b+curr->b2+shift, a+curr->a2+shift))
                               shift++;
               if (!shift)
                       continue;
               curr->b2 += shift;
               next->b1 += shift;
               curr->a2 += shift;
               next->a1 += shift;
       }

       return l;
}

static PyObject *blocks(PyObject *self, PyObject *args)
{
       PyObject *sa, *sb, *rl = NULL, *m;
       struct line *a, *b;
       struct hunklist l = {NULL, NULL};
       struct hunk *h;
       int an, bn, pos = 0;

       if (!PyArg_ParseTuple(args, "SS:bdiff", &sa, &sb))
               return NULL;

       an = splitlines(PyString_AsString(sa), PyString_Size(sa), &a);
       bn = splitlines(PyString_AsString(sb), PyString_Size(sb), &b);
       if (!a || !b)
               goto nomem;

       l = diff(a, an, b, bn);
       rl = PyList_New(l.head - l.base);
       if (!l.head || !rl)
               goto nomem;

       for (h = l.base; h != l.head; h++) {
               m = Py_BuildValue("iiii", h->a1, h->a2, h->b1, h->b2);
               PyList_SetItem(rl, pos, m);
               pos++;
       }

nomem:
       free(a);
       free(b);
       free(l.base);
       return rl ? rl : PyErr_NoMemory();
}

static PyObject *bdiff(PyObject *self, PyObject *args)
{
       char *sa, *sb;
       PyObject *result = NULL;
       struct line *al, *bl;
       struct hunklist l = {NULL, NULL};
       struct hunk *h;
       char encode[12], *rb;
       int an, bn, len = 0, la, lb;

       if (!PyArg_ParseTuple(args, "s#s#:bdiff", &sa, &la, &sb, &lb))
               return NULL;

       an = splitlines(sa, la, &al);
       bn = splitlines(sb, lb, &bl);
       if (!al || !bl)
               goto nomem;

       l = diff(al, an, bl, bn);
       if (!l.head)
               goto nomem;

       /* calculate length of output */
       la = lb = 0;
       for (h = l.base; h != l.head; h++) {
               if (h->a1 != la || h->b1 != lb)
                       len += 12 + bl[h->b1].l - bl[lb].l;
               la = h->a2;
               lb = h->b2;
       }

       result = PyString_FromStringAndSize(NULL, len);
       if (!result)
               goto nomem;

       /* build binary patch */
       rb = PyString_AsString(result);
       la = lb = 0;

       for (h = l.base; h != l.head; h++) {
               if (h->a1 != la || h->b1 != lb) {
                       len = bl[h->b1].l - bl[lb].l;
                       *(uint32_t *)(encode)     = htonl(al[la].l - al->l);
                       *(uint32_t *)(encode + 4) = htonl(al[h->a1].l - al->l);
                       *(uint32_t *)(encode + 8) = htonl(len);
                       memcpy(rb, encode, 12);
                       memcpy(rb + 12, bl[lb].l, len);
                       rb += 12 + len;
               }
               la = h->a2;
               lb = h->b2;
       }

nomem:
       free(al);
       free(bl);
       free(l.base);
       return result ? result : PyErr_NoMemory();
}

static char mdiff_doc[] = "Efficient binary diff.";

static PyMethodDef methods[] = {
       {"bdiff", bdiff, METH_VARARGS, "calculate a binary diff\n"},
       {"blocks", blocks, METH_VARARGS, "find a list of matching lines\n"},
       {NULL, NULL}
};

PyMODINIT_FUNC initbdiff(void)
{
       Py_InitModule3("bdiff", methods, mdiff_doc);
}

You are viewing proxied material from sdf.org. The copyright of proxied material belongs to its original authors. Any comments or complaints in relation to proxied material should be directed to the original authors of the content concerned. Please see the disclaimer for more details.